Data Department, şirketinizin kendi belgeleri ve verisiyle çalışan üretken yapay zekâ sistemleri kurar: RAG (bilgi getirme destekli üretim) tabanlı kurumsal asistanlar, NL2SQL ile veritabanına doğal dilde soru sorma, malzeme sertifikası, irsaliye ve tedarikçi teklifi okuyan belge işleme sistemleri ve yetkisi sınırlı, insan onaylı yapay zekâ ajanları. Her sistem bir değerlendirme setiyle teslim edilir; kalite varsayıma değil, ölçüme dayanır.
Üretken yapay zekâ hangi sorunları çözer?
Üretken yapay zekâ, çalışanların bilgi aramaya, okumaya veya yeniden yazmaya zaman harcadığı yerlerde değer üretir. Üzerinde çalıştığımız sorunlar:
- Kendi belgelerinizde doğru cevabı bulmak. Prosedürler, teknik şartnameler, sözleşmeler ve kalite el kitapları; her cevabın yanında kaynağıyla.
- Veritabanına gündelik Türkçe cümlelerle soru sormak. "Geçen çeyrek Ege bölgesinde X ürününün satışı ne kadardı?" sorusunu rapor beklemeden yanıtlamak. Bu yaklaşımın adı NL2SQL'dir: doğal dilden SQL (yapılandırılmış sorgu dili) sorgusuna çeviri.
- Her gün gelen belgeleri okumak. Malzeme sertifikası, irsaliye ve tedarikçi tekliflerinden alanları çıkarmak, siparişle karşılaştırmak, teklifleri birbiriyle karşılaştırmak.
- Sistemler arası çok adımlı işler. Bir ajan stoğu kontrol eder, satın alma siparişi taslağı hazırlar ve onay için bir kişiyi bekler.
- Yönlendirme ve taslak hazırlama. Gelen talepleri sınıflandırmak ve bir kişinin gözden geçireceği yanıt taslakları yazmak.
Proje nasıl ilerler?
Keşif (2 hafta). Sahibi belli tek bir kullanım senaryosu seçeriz. Sistemi kullanacak kişilerden gerçek soruları veya belgeleri doğru cevaplarıyla birlikte toplar, bir değerlendirme setine dönüştürürüz. Belge kalitesini, erişim yetkilerini ve verinin nerede bulunduğunu inceleriz. Devam/dur kararı alırsınız.
Pilot (6–10 hafta). Sistemi kurar ve değerlendirme setinde ölçeriz: Cevap doğru mu, gösterilen kaynak doğru mu, cevap belgelerde yoksa sistem "bilmiyorum" diyebiliyor mu? Ardından küçük bir kullanıcı grubu sistemi gerçek işinde kullanır; geri bildirimleri yeni test vakalarına dönüşür.
Canlıya geçiş ve devir. Erişim kontrolü, mevcut belge ve veritabanı yetkilerinizi izler; kimse asistan üzerinden daha önce göremediği bir şeyi göremez. Kayıt tutma, kalite izleme ve kullanım maliyeti takibi ekler, ekibinizi değerlendirme setini sürdürecek şekilde eğitiriz. LLM (büyük dil modeli) olarak API (uygulama programlama arayüzü) üzerinden sunulan modeller veya kendi altyapınızda çalışan açık ağırlıklı modeller kullanılabilir.
Hangi işe hangi üretken yapay zekâ yaklaşımı?
| Yaklaşım | Neye uygun? | Nelere dikkat edilmeli? |
|---|---|---|
| RAG asistanı | Belgelerinizden kaynak gösteren cevaplar | Eski belge sürümleri, yetkiler, kötü taranmış belgeler |
| NL2SQL | Veritabanına anlık sorular | Belirsiz iş tanımları; salt okunur erişim kullanır, her sorguyu kontrol ederiz |
| Belge işleme | Sertifika, irsaliye ve tekliflerden yapılandırılmış alanlar | El yazısı ve düşük kaliteli tarama; emin olunamayan alanlar bir kişiye gider |
| Araç kullanan ajan | Sistemler arası çok adımlı işler | Sınırlı yetki, her yazma işleminden önce onay, tam iz kaydı |
| Model ince ayarı (fine-tuning) | Yüksek hacimde sabit format veya üslup | Nadiren ilk adımdır; önce bilgi getirme ve daha iyi talimatlar denenmeli |
Yapay zekâ ajanlarını nasıl güvenli tutuyoruz?
Sistemlerinizde işlem yapabilen bir ajan, yeni bir çalışanla aynı kontrollere ihtiyaç duyar. Her ajana yalnızca görevinin gerektirdiği yetki verilir. Veri değiştiren, mesaj gönderen veya para taahhüdü doğuran her işlem insan onayını bekler. Her adım kaydedilir; ajanın neyi okuduğunu, neye karar verdiğini ve nedenini görebilirsiniz.
Referans ve deneyim
Henüz sayısal sonuç içeren bir üretken yapay zekâ proje örneği yayımlamıyoruz ve gerçeğe dayanmayan bir örnek sunmayacağız. Gösterebileceğimiz şey ölçme yöntemimizdir: sizin sorularınızdan oluşan, her değişiklikten önce ve sonra puanlanan bir değerlendirme seti. Yaygın bir kullanım senaryosunu ayrıntılı görmek için üretimde belge işleme ve yapay zekâ yazımızı okuyun. Hâlihazırda bir asistanınız varsa ancak performansından emin değilseniz, yapay zekâ stratejisi hizmetlerimiz içindeki RAG denetimi iyi bir başlangıçtır.
Üretken yapay zekâ ne zaman doğru araç değildir?
- Cevap kesin ve hesaplanmış olmalıysa. Fiyat kuralları, vergi hesapları ve stok toplamları bir dil modeliyle değil, kod veya SQL sorgularıyla hesaplanmalıdır.
- Soru seti küçük ve sabitse. İyi bir arama sayfası veya sık sorulan sorular listesi yeterli olabilir.
- Kaynak belgeler yanlış veya güncel değilse. Asistan bu hataları kendinden emin şekilde tekrarlar. Önce kaynağı düzeltin.
- Kararın hukuki sorumluluğu varsa. Model taslak hazırlayabilir ancak kararı bir kişi vermelidir.
- İhtiyaç yalnızca "bir chatbot istiyoruz" cümlesinden ibaretse. Tanımlı bir kullanıcı ve soru yoksa ölçülecek bir şey de yoktur.
Sık sorulan sorular
Asistanın gerçeğe dayanmayan cevaplar üretmesini nasıl önlüyorsunuz?
Asistan yalnızca getirilen kaynaklardan cevap verir, kaynağını gösterir ve bilmediğinde bunu söyleyecek şekilde tasarlanır. Bunu canlıya çıkmadan önce değerlendirme setinde ölçer, sonrasında izleriz.
Verilerimiz başka bir modelin eğitiminde kullanılır mı?
Verinizin model eğitiminde kullanılmadığı kullanım seçeneklerini tercih ederiz. Gerekirse açık ağırlıklı modeller tamamen kendi altyapınızda çalışır.
KVKK ve GDPR açısından durum nedir?
Belgeler kişisel veri içeriyorsa, bunları yurt dışında barındırılan bir modele göndermek KVKK (Kişisel Verilerin Korunması Kanunu) kapsamında yurt dışına aktarımdır; GDPR (Avrupa Birliği Genel Veri Koruma Tüzüğü) da kendi kurallarını getirir. Bu gereklilikleri maskeleme, bölgesel barındırma veya şirket içi modellerle karşılarız.
Dosya sunucularımıza, SharePoint'e ve ERP sistemimize bağlanabilir mi?
Evet. Dosya paylaşımlarına, belge yönetim sistemlerine, e-posta kutularına ve ERP (kurumsal kaynak planlama) veritabanlarına bağlanırız; bir yazma işlemi açıkça onaylanmadıkça erişim salt okunurdur.
Proje maliyetini neler belirler?
Belge hacmi ve kalitesi, kaynak sistem sayısı, kullanıcı ve sorgu sayısı, model ve barındırma tercihi ve yetki kurallarınızın karmaşıklığı.